Метод силуэта
В последнем уроке вы познакомились с тем, как разное количество кластеров влияет на качество работы алгоритма K-средних. Это особенно важно в контексте собеседования, поскольку оптимальное число кластеров обеспечивает наилучшие результаты.
В этом упражнении вы будете использовать функцию silhouette_score() из sklearn.metrics на алгоритмах K-средних, применяемых к DataFrame diabetes, чтобы реализовать метод силуэта для поиска оптимального числа кластеров. Обратите внимание: при вычислении оценки используется евклидово расстояние — это обеспечивает сопоставимость результатов с методом локтя.
Матрица признаков X, которую вы будете использовать для обучения моделей K-средних, уже создана.
Вы находитесь на том же этапе конвейера, что и в предыдущих упражнениях, однако здесь вы также добавите шаг предсказания:
Это упражнение является частью курса
Практика вопросов интервью по машинному обучению на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Import modules
from sklearn.____ import ____
from sklearn.____ import ____